锦鲤求职岗位描述
工作地点：新加坡（提供EP）
职级：Assistant Manager
职位描述
主导信贷风险管理领域的新一代算法探索与规模化应用。岗位重点覆盖用户行为序列建模与图学习两条技术方向，利用交易、还款、额度使用、逾期、申请及用户关系网络等数据，构建可迁移的用户表征和风险建模能力，并应用于贷前准入、反欺诈、额度管理、风险预警、贷后管理及资产组合监控等场景。这是一个偏实战的技术领导岗位，需要候选人既能定义技术路线、深入关键模型研发，也能带领团队完成从研究验证到生产落地的全过程。
工作职责
前沿算法规划：结合信贷业务问题与最新研究进展，制定风控前沿算法路线、实验计划和阶段目标，识别具有实际增量价值的技术方向并推动落地。
行为序列建模：主导大规模用户行为序列模型和用户表征体系的设计与迭代，覆盖多源事件统一建模、事件编码、时间间隔表示、长序列处理、自监督预训练及下游任务适配。
图模型研发：围绕用户、账户、设备、商户、联系人及交易等关系数据，设计图表示学习和图神经网络方案，探索异构图、时序图、图自监督学习等方法在信用风险识别、团伙欺诈和关系风险传播中的应用。
实验与业务验证：设计严谨的基线、消融及泛化实验，评估模型在不同客群、产品、时间窗口和市场中的性能、稳定性与业务收益；推动前沿表征与现有风险特征、评分模型及策略体系有效结合。
工程化与规模部署：与数据工程、机器学习工程及风险平台团队协作，完成训练与特征流水线、模型服务、版本管理、线上监控和跨市场部署，保障模型可复现、可扩展并稳定运行。
技术领导与协作：带领算法工程师和数据科学家开展研发，负责方案评审、实验复盘和成员培养；与风险策略、产品、业务及工程团队协作，将复杂技术方案转化为可衡量的风险与业务成果。
职位要求
计算机、统计学、数学、数据科学、人工智能、机器学习等相关专业本科及以上学历，硕士或博士优先；5 年及以上机器学习、深度学习或风险建模经验。
熟练使用 Python、SQL 及 PyTorch/TensorFlow 等主流深度学习框架，具备扎实的建模、调试与代码实现能力。
行为序列方向：深入理解 Transformer、Attention、序列表示学习及自监督学习，熟悉掩码建模、自回归建模、对比学习或多任务预训练；能够处理多事件类型、时间间隔、连续与类别特征、变长及长序列等实际问题。
图学习方向：系统理解图表示学习与 GNN，熟悉 GCN、GraphSAGE、GAT 等典型架构，以及异构图、动态图/时序图、邻居采样、链接预测或图自监督学习中的一项或多项；能够识别图数据构建、样本切分及关系泄漏风险。
对行为序列建模与图学习均具备系统理解，并至少在其中一个方向拥有生产级项目的主导经验；能够对另一方向完成技术选型、实验评审并带领团队推进。两个方向均有实际落地经验者优先。
具备严谨的风险模型验证意识，理解观察期与表现期、标签延迟、数据泄漏、OOT 验证、客群偏移和模型稳定性；熟悉 AUC、KS、PR-AUC、Bad Rate Lift、Vintage、Roll Rate 等指标。
具备大规模用户行为、交易事件或关系网络数据的处理经验；熟悉 Spark、Hive、Flink 等分布式数据工具，以及 GPU/分布式训练、实验追踪和模型优化中的一项或多项。
具备模型生产化经验，理解特征与表征生成、在线/离线一致性、服务延迟、模型监控、漂移检测、版本治理及降级回滚机制。
拥有完整的技术项目带队经验，能够在开放问题中拆解路线、确定优先级并推动跨团队交付；具备良好的中英文沟通能力。
加分项
具有银行、消费金融、金融科技、支付或电商金融领域的信用风险、反欺诈、额度管理、预警或贷后模型经验。
主导过大规模行为预训练模型、用户表征平台、异构关系图或图风控系统，并能够说明相对传统特征和模型的真实业务增量。
具有跨国家、跨产品部署经验，或在序列建模、图学习、表征学习、推荐系统及金融 AI 方向拥有高质量论文、专利、开源贡献。